-
公开(公告)号：CN111626149A
公开(公告)日：2020-09-04
申请号：CN202010390009.3
申请日：2020-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像显著性和迁移学习的图像场景分类方法，包括以下步骤：1、提取不同场景的样本图像，将图像缩放后形成图像集；2、提取图像集中每幅图像的显著性区域；3、将步骤2得到的每幅图像的显著性区域的图像放大后构建显著性图像集，并将其按比例划分训练集和测试集；4、基于通用的VGG16模型建立场景分类网络模型，进行迁移学习操作；5、用步骤3得到的训练集和测试集训练并测试步骤4搭建的网络；6、用步骤4建立和步骤5训练得到的网络实施图像场景分类；本发明利用深度迁移学习，有效解决了实际应用中训练样本不足导致判别性能不足的问题，其次，本发明采用显著性区域提取来处理数据集，显著提高了场景分类的效率和准确度。
-
公开(公告)号：CN111626149B
公开(公告)日：2022-08-26
申请号：CN202010390009.3
申请日：2020-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像显著性和迁移学习的图像场景分类方法，包括以下步骤：1、提取不同场景的样本图像，将图像缩放后形成图像集；2、提取图像集中每幅图像的显著性区域；3、将步骤2得到的每幅图像的显著性区域的图像放大后构建显著性图像集，并将其按比例划分训练集和测试集；4、基于通用的VGG16模型建立场景分类网络模型，进行迁移学习操作；5、用步骤3得到的训练集和测试集训练并测试步骤4搭建的网络；6、用步骤4建立和步骤5训练得到的网络实施图像场景分类；本发明利用深度迁移学习，有效解决了实际应用中训练样本不足导致判别性能不足的问题，其次，本发明采用显著性区域提取来处理数据集，显著提高了场景分类的效率和准确度。
-
Search Results
2
records
(took 0.012 seconds)
